自适应变异粒子群算法的工业机器人动力学参数辨识方法与流程

本发明涉及工业机器人相关，具体涉及自适应变异粒子群算法的工业机器人动力学参数辨识方法。

背景技术：

1、机器人动力学参数的辨识精度可以提高控制精度，是前馈控制的基础，被应用在碰撞检测、拖动示教等领域，目前动力学参数辨识的难点是不能获取准确的参数值，因为机器人动力学参数多且各关节之间耦合严重，为了提高机器人整体参数辨识的精度，本发明提供了一种自适应变异粒子群算法的工业机器人动力学参数辨识方法。

技术实现思路

1、针对现有技术的不足，本发明提供了自适应变异粒子群算法的工业机器人动力学参数辨识方法，解决了背景技术中提到的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、自适应变异粒子群算法的工业机器人动力学参数辨识方法，包括如下步骤：

4、s1、根据机器人的dh参数和牛顿欧拉动力学方程建立动力学模型，并将动力学模型进行线性化，依据dh参数和关节类型直接确定最小参数集；

5、s2、在matlab中优化出两条傅里叶级数和多项式的混合轨迹，一条作为激励轨迹，另一条作为验证轨迹；

6、s3、基于步骤s2,驱动机器人运行步骤s2优化出激励轨迹，采集数据并滤波计算得到观测矩阵和关节力矩；

7、s4、将步骤s3得出的数据代入辨识模型，根据最小参数集可直接去除观测矩阵中特定的列使之满秩，通过最小二乘法计算出一组初始解，在初始解的一定范围内作为自适应变异的粒子群优化算法搜索范围，运行算法辨识机器人的动力学参数；

8、s5、驱动机器人运行验证轨迹，将采集到的数据处理后得到验证轨迹的观测矩阵，满秩处理后，与激励轨迹辨识出的动力学参数带入线性模型得到计算力矩，将计算力矩与采集力矩对比验证辨识参数的准确性。

9、进一步的，所述s1步骤中基于机器人dh参数包括连杆长度、连杆扭角、偏距和关节角，确定坐标系之间的转换矩阵，通过牛顿欧拉动力学方程建立机器人的动力学模型，对动力学模型线性化后得到包含动力学参数集的动力学线性模型，同时最小动力学方程式为：该式中，τ为各关节力矩，为系数回归矩阵，p为机器人的最小参数集。

10、进一步的，所述s2步骤中混合激励轨迹表达式为上式中，q(t)表示关节位置，q0是初始位置向量，可以通过更改q0来改变机器人运行激励轨迹时的初始位置。

11、进一步的，所述s4步骤中采用最小二乘和自适应变异粒子群算法辨识参数，首先在matlab中采用最小二乘估计求出一组初始解：pls＝(yty)-1ytτ，根据初始解pls确定粒子群算法的搜索范围，使粒子在初始解附近精细化求解。

12、本发明提供了自适应变异粒子群算法的工业机器人动力学参数辨识方法。与现有技术相比，具备以下有益效果：

13、1、本发明采用最小参数集的方法不局限机器人的关节数目和类型，可快速使观测矩阵满秩得到系数回归矩阵，提高轨迹优化和辨识的效率，可一次性、快速、准确辨识出机器人的全部参数，同时可应用于增加了不同摩擦模型和负载的辨识；

14、2、本发明引入初始解减小粒子群算法的搜索范围，提高辨识效率，引入自适应变异操作，帮助粒子群算法跳出局部最优解，增加算法的多样性；

15、3、本发明可使机器人从不同起始位置开始运动，便于轨迹的选择和迭代验证实验，同时辨识精度高，预测力矩跟随性较好，力矩误差均方根小。

1.自适应变异粒子群算法的工业机器人动力学参数辨识方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的自适应变异粒子群算法的工业机器人动力学参数辨识方法，其特征在于：所述s1步骤中基于机器人dh参数包括连杆长度、连杆扭角、偏距和关节角，确定坐标系之间的转换矩阵，通过牛顿欧拉动力学方程建立机器人的动力学模型，对动力学模型线性化后得到包含动力学参数集的动力学线性模型，同时最小动力学方程式为：该式中，τ为各关节力矩，为系数回归矩阵，p为机器人的最小参数集。

3.根据权利要求1所述的自适应变异粒子群算法的工业机器人动力学参数辨识方法，其特征在于：所述s2步骤中混合激励轨迹表达式为

4.根据权利要求1所述的自适应变异粒子群算法的工业机器人动力学参数辨识方法，其特征在于：所述s4步骤中采用最小二乘和自适应变异粒子群算法辨识参数，首先在matlab中采用最小二乘估计求出一组初始解：pls＝(yty)-1ytτ，根据初始解pls确定粒子群算法的搜索范围，使粒子在初始解附近精细化求解。